docs: 임베딩 env SSOT 문서 반영, 1차 문서 보강

Made-with: Cursor

journey/plans/260316_임베딩_1차_로빙_Gemini2_전환_계획.md

@@ -34,6 +34,10 @@ tags: [plans, embedding, gemini, rag, robeing, 1차]
 - rb8001 메모리 768/384 차원 드리프트 (별도 이슈)
 - StarsAndI, TheGooseCouncil (2차 플랜)
 
+## env SSOT
+
+- `workspace-config/runtime.env`: `EMBEDDING_SERVICE_URL`, `EMBEDDING_DIM` — [0_VALUE embedding-policy](https://github.com/happybell80/0_VALUE/blob/main/02_Governance/embedding-policy.md)
+
 ## 적용 순서
 
 1. 품질·비용 테스트 (`test_gemini_embedding_2.py` 확장)

journey/research/rag/260316_임베딩_1차_로빙_현황_SSOT_리서치.md

@@ -43,7 +43,7 @@ tags: [research, embedding, ssot, robeing, 1차]
 | rb8001 | `app/core/config.py` | EMBEDDING_DIM, SKILL_EMBEDDING_URL |
 | rb8001 | `app/state/database.py` | ChromaDB, memory_manager |
 | rb8001 | `app/services/brain/intent_store.py` | intent_prototypes pgvector |
-| rb8001 | `docker-compose.yml` | SKILL_EMBEDDING_URL |
+| rb8001 | `docker-compose.yml` | SKILL_EMBEDDING_URL=${EMBEDDING_SERVICE_URL:-...} (SSOT 참조) |
 | rb8001 | `scripts/migrate_chromadb_collections.py` | ChromaDB 차원 마이그레이션 |
 | DOCS | `skills/companyx-rag/SKILL.md` | Default embedding path 문서 |
 | DOCS | `book/300_architecture/330_*.md` | ChromaDB 768차원 설계 |
@@ -51,7 +51,13 @@ tags: [research, embedding, ssot, robeing, 1차]
 
 ---
 
-## 4. 사실(Facts)
+## 4. env SSOT (반영됨)
+
+- `workspace-config/runtime.env`: `EMBEDDING_SERVICE_URL`, `EMBEDDING_DIM` — [0_VALUE embedding-policy env SSOT](https://github.com/happybell80/0_VALUE/blob/main/02_Governance/embedding-policy.md)
+- rb8001 docker-compose: `SKILL_EMBEDDING_URL=${EMBEDDING_SERVICE_URL:-http://localhost:8515}`로 SSOT 참조
+- skill-rag-file: `EMBEDDING_SERVICE_URL` env_file에서 로드
+
+## 5. 사실(Facts)
 
 - robeing skill-embedding은 ko-sroberta 768d, 포트 8515
 - skill-rag-file은 EMBEDDING_SERVICE_URL로 skill-embedding 호출
@@ -60,21 +66,21 @@ tags: [research, embedding, ssot, robeing, 1차]
 
 ---
 
-## 5. 해석(Interpretation)
+## 6. 해석(Interpretation)
 
 - skill-embedding을 Gemini 2로 전환하면 skill-rag-file·rb8001은 URL만 유지하고 모델은 자동 반영
 - skill-rag-file 내부 직접 Gemini API 호출도 가능. 경로 설계 선택 필요
 
 ---
 
-## 6. 미확정 항목(Unresolved)
+## 7. 미확정 항목(Unresolved)
 
 - skill-embedding 교체 vs skill-rag-file 내부 직접 Gemini API 호출
 - 청킹 단위 확대 적용 시점
 
 ---
 
-## 7. 관련 문서
+## 8. 관련 문서
 
 - [임베딩 1차 로빙 Gemini 2 전환 문제 오픈](../../troubleshooting/260316_임베딩_1차_로빙_Gemini2_전환_문제오픈.md)
 - [임베딩 1차 로빙 Gemini 2 전환 계획](../../plans/260316_임베딩_1차_로빙_Gemini2_전환_계획.md)

journey/research/rag/260316_임베딩_전체프로젝트_현황_및_SSOT_리서치.md

@@ -101,7 +101,7 @@ tags: [research, embedding, ssot, robeing, starsandi, goosecouncil, workspace, i
 | rb8001 | `app/core/config.py` | EMBEDDING_DIM, SKILL_EMBEDDING_URL |
 | rb8001 | `app/state/database.py` | ChromaDB PersistentClient, memory_manager |
 | rb8001 | `app/services/brain/intent_store.py` | intent_prototypes pgvector embedding |
-| rb8001 | `docker-compose.yml` | SKILL_EMBEDDING_URL |
+| rb8001 | `docker-compose.yml` | SKILL_EMBEDDING_URL=${EMBEDDING_SERVICE_URL:-...} (SSOT 참조) |
 | rb8001 | `scripts/migrate_chromadb_collections.py` | ChromaDB 컬렉션 차원 마이그레이션 |
 | rb8001 | `scripts/benchmark_emotion_accuracy.py` | skill-embedding /emotion (감정 분류, 임베딩과 별도) |
 | rb8001 | `scripts/test_gemini_embedding_2.py` | 벤치마크 스크립트 |
@@ -140,7 +140,7 @@ tags: [research, embedding, ssot, robeing, starsandi, goosecouncil, workspace, i
 |-------------|-----------|-----------|
 | ivada-infra | skill-embedding 배포, `.env.deploy` | 서비스 전환 시 배포 설정 |
 | ivada-infra | 23/24 서버 docker compose | skill-embedding 8515 의존성 |
-| workspace-config | (현재 없음) | 임베딩 키 추가 시 `EMBEDDING_*` |
+| workspace-config | runtime.env | `EMBEDDING_SERVICE_URL`, `EMBEDDING_DIM` 반영됨 (SSOT) |
 
 ### 3.6 DB·스키마
 
@@ -175,18 +175,19 @@ tags: [research, embedding, ssot, robeing, starsandi, goosecouncil, workspace, i
 - **위치**: `0_VALUE/02_Governance/embedding-policy.md`
 - **내용**: 모델(Gemini 2), 차원(768), 적용(전수 교체), 멀티모달
 
-### 5.2 런타임 SSOT (설정 가능)
+### 5.2 런타임 SSOT (반영됨)
 
-- **현재**: 프로젝트별 개별 설정 (skill-embedding URL, OpenAI API, .env 등)
-- **목표**: `workspace-config/runtime.env` 또는 동등한 공용 설정에 `EMBEDDING_MODEL`, `EMBEDDING_DIM`, `EMBEDDING_SERVICE_URL` 등 통합
-- **전제**: [0_VALUE Infrastructure SSOT Principle](https://github.com/happybell80/0_VALUE/blob/main/02_Governance/infrastructure-ssot-principle.md)
+- **위치**: `workspace-config/runtime.env`
+- **키**: `EMBEDDING_SERVICE_URL`, `EMBEDDING_DIM` — [0_VALUE embedding-policy env SSOT](https://github.com/happybell80/0_VALUE/blob/main/02_Governance/embedding-policy.md)
+- rb8001: `SKILL_EMBEDDING_URL=${EMBEDDING_SERVICE_URL:-http://localhost:8515}`로 참조
+- skill-rag-file: env_file에서 `EMBEDDING_SERVICE_URL` 로드
 
 ### 5.3 적용 순서
 
 1. robeing: skill-embedding → Gemini 2 경로 전환, 768d 통일
 2. skill-rag-file, rb8001: 새 임베딩 서비스/API 참조
 3. StarsAndI, TheGooseCouncil: Gemini API 또는 공용 skill-embedding 호출로 전환
-4. workspace-config: 임베딩 관련 키 추가 (과도기)
+4. workspace-config: 임베딩 관련 키 반영됨 (`EMBEDDING_SERVICE_URL`, `EMBEDDING_DIM`)
 
 ---
 
@@ -197,7 +198,7 @@ tags: [research, embedding, ssot, robeing, starsandi, goosecouncil, workspace, i
 - StarsAndI는 OpenAI text-embedding-3-small (사용자 발화 + 카탈로그 5044개), 1536d, `add_star_embeddings.py`로 카탈로그 생성
 - TheGooseCouncil는 OpenAI text-embedding-3-small 직접 호출
 - 0_VALUE 임베딩 정책은 Gemini 2, 768d, 전수 교체, 멀티모달로 확정
-- workspace-config에는 현재 임베딩 관련 키 없음
+- workspace-config/runtime.env에 `EMBEDDING_SERVICE_URL`, `EMBEDDING_DIM` 반영됨 (SSOT)
 
 ---
 
@@ -212,7 +213,6 @@ tags: [research, embedding, ssot, robeing, starsandi, goosecouncil, workspace, i
 
 ## 8. 미확정 항목(Unresolved)
 
-- workspace-config에 임베딩 키를 넣을지, 프로젝트별 .env만 유지할지
 - StarsAndI·TheGooseCouncil 전환 우선순위 및 일정
 - StarsAndI 카탈로그 재임베딩 비용 (5044 × 평균 토큰 × $0.25/1M)
 - goosefarminvesting pgvector 용도 (임베딩 vs 공간 데이터)

journey/troubleshooting/260316_임베딩_1차_로빙_Gemini2_전환_문제오픈.md

@@ -58,6 +58,7 @@ tags: [troubleshooting, embedding, gemini, rag, robeing, 1차]
 - migrate_chromadb_collections.py
 - DOCS/skills/companyx-rag, 330_백엔드 설계 문서
 - ivada-infra skill-embedding 배포
+- workspace-config: `EMBEDDING_SERVICE_URL`, `EMBEDDING_DIM` 반영됨 (SSOT)
 
 ## 닫힘 조건
 

journey/troubleshooting/260316_임베딩_Gemini_Embedding_2_전환_문제오픈.md

@@ -65,7 +65,7 @@ tags: [troubleshooting, embedding, gemini, rag, robeing, deprecated]
 
 **companyx-knowledge-base**: skill-rag-file 경유 연쇄 반영
 
-**인프라**: ivada-infra skill-embedding 배포, 23/24 서버 docker, workspace-config(추가 시)
+**인프라**: ivada-infra skill-embedding 배포, 23/24 서버 docker, workspace-config(반영됨: EMBEDDING_SERVICE_URL, EMBEDDING_DIM)
 
 **DB·스키마**: ChromaDB dimension, PostgreSQL intent_prototypes.embedding, NAS RAG 컬렉션